7878524583fórmulas-doeb(8)
DESCRIPTION
poiuytgfdTRANSCRIPT
α
α
β
β
=
=
=
=
p Error tipo I
p chazar Ho Ho verdad
p Error tipo II
p Aceptar Ho Ho falsa
( )
(Re )
( )
( )
PH e IC para la diferencia de medias
30)n,n(si
nS
nS
XXZ:EP 21
2
22
1
21
21 ≥
+
−=
Región de rechazo |Z|>Z(α/2)
Pruebas t:EP: t=Coef / (SE Coef)SE Coef=Rechazar Ho si |t|>tα/2, N‐pN=número de observaciones (datos), p=No de parámetros (βs)
n2/MSE k
n/yyyy ii
n
1jiji ==∑
=
N/yyyya
1i
n
1jij
a
1i
n
1jij ∑∑∑∑
= == =
== yij=cada dato
MSglSS
1n)xx(
s2
i2 ==−−
= ∑p=No. de parámetros (βs)
∑=
=k2
1i
k2i 2/sMSE
∑=
−−=n
1i
22i
2 )1n/(])y(ny[s
Suma de grupo i | Media del grupo i | Suma total de datos | Media general (todos los datos)
22i
22
ij
1a)SSt(gl1N)SST(glSStSSTSSENy
ny
SStNyySST
−=−=−=
−=−= ∑∑∑N=Número total de datos.n=Número de datos por grupo (réplicas).a=Número de niveles del factor(tratamientos o grupos).
ANOVA DE UN FACTOR
)E(gl),t(gl,FF:HoRRMSE/MStF:EPaN)SSt(gl)SST(gl)SSE(gl)(g)(g
α>=−=−=
Fuentes de Variación SS gl MS F
Tratamientos(t) SSt a MSt SSta
MStMSE
− =−
11 MSEMSt
ˆ 2−
=σ MSEˆ 2=σ
Componentes de variación (mod. aleatorio)
Error (E)(por diferencia)
Total
SSE N a MSE SSEN a
SST N
− =−
− 1
nστ
MSEσ
2k–p=k+1
Diseño Saturado: R=III y
PRUEBA DE DUNCAN
R r p f s s MSEnp y i y i
= =α ( , )
α=nivel de significación de la prueba.
p=2.....a (número de tratamientos).
f l( ) f( ) bl d D
e y y= − $Residuos Residuos Anova un factor e y yij ij i= −
Prueba de normalidad: F=100(i‐0.5)/N
E fe c toy
M ita d d e p ru e b a s n=
∑ (S ig n o s)( )( )( )
DISEÑOS 2Kf=gl(error) r p fα ( , ): tabla de Duncan
PRUEBA DE COCHRAN
H a0 12
22 2: ...σ σ σ= = =
M (S )2
Ha: Al menos una varianza es diferente.
SS Efecto nk= −( )2 22p( )( )
Modelo: yest=media+(Efectos signif/2)Xi
21cc ++
Defectos
2)1n/()1pn(arcsen)1n/(pnarcsen ++++
Unidades defectuosas
DISEÑOS 2K
Calcular GMayor
S S Sa=
+ + +(S )...
2
12
22 2
Rechazar Ho si
)CochrandeTabla(gG α>
2 2
Diseño general 2k–p
→ p=No. de generadores del diseño fraccionado→ 2p–p–1 interacciones de los generadores→ Cada efecto tiene 2p–1 alias
En este ejemplo, A es un factor fijo y B(A) es aleatorio. En caso de tener ambos fijos,
Ho: τi=0 para A, y Ho: βj(i)=0 para B(A). FA=MSA/MSE y FB(A)=MSB(A)/MSE. En caso de que
En caso de tener ambos factores fijos:
DISEÑOS ANIDADOS
ambos A y B(A) sean aleatorios, Ho: 02 =στ , y Ho: 02 =σβ . FA=MSA/MSB(A) y
FB(A)=MSB(A)/MSE.
Decisión (para este ejemplo: A fijo y B(A) aleatorio)
Si A es aleatorio, se consideran ambos A y B(A) aleatorios.
Se rechaza Ho para A (Máquina) si )1b(a,1a,A F))1b(a/(SSB(
))1a/(SSA(MSBMSAF −−α>
−−==
Se rechaza Ho para B (Molde) si abN),1b(a,B F))bN/(SSE())1b(a/(SSB(
MSEMSB
F −−α>−
==
Para fraccióndefectuosa
N 20/ i),(,))abN/(SSE(MSE −
DISEÑOS PARA MEZCLASEstimación de los parámetros del modelo
Prueba de curvatura en modelos 2k
Fc=MScurv/ MSERechazar Ho si Fc > F0 05 1 glE
N=20/min.
iii ybˆ ==β para i=1…k,
)yy(2y4bˆjiijijij +−==β para i,j=1, 2…k, i < j.
Donde y es el promedio de las réplicas para la mezcl a con el componente i solamente y
0.05, 1, glE
MScurv=SScurv/1
cf
2cfcf
nn)yy(nnSScurv
+−
=
Donde iy es el promedio de las réplicas para la mezcl a con el componente i solamente, ijy
representa el promedio de las réplicas de las mezclas binarias.
Pruebas t para los parámetros
Ho: βi=0 vs Ha: βi dif 0 y en forma parecida para los coeficientes de los productos cruzados βi j
nf No. pts. diseño factorialnc No. pts. centrales(yb)c media de los datos centrales(yb)f media de los datos factorial
)y(ny)yy(n
22n
2ii
∑∑
Ho: βi=0 vs. Ha: βi dif. 0, y en forma parecida para los coeficientes de los productos cruzados βi j. El estadístico de prueba es t=coef./(s.e(coef.)) y se comparan contra t( α/2, p(n -1)).
Para n (número de réplicas por prueba) constante, (i=1..p donde “p ” es el número total de pruebas. Para este ejemplo p=6 ). Así, la varianza
promedio es pssp
i /22 ∑= )b(1n
)y(ny
1n
)yy(s
i
1jiiij
i
1jiij
2i −
−=
−
−=
∑∑==
promedio es pssi=1
i /∑.
n/s24
)b.(e.s2
ij
=n/s)b.(e.s 2i =
2/)NINS(2/)NINS(VOx
ii
iiii −
+−=
Niveles originales (Oi) y codificados (xi)
VO=variable original, NS=nivel superior, NI=nivel inferior
ε+β+β+β+β= xxxxy
Modelos para diseños 2k:
a) Modelo de 2 factores ε+β+β+β+β= 211222110 xxxxya) Modelo de 2 factores
ε+β+β+β+β+β+β+β+β= 3211233223311321123322110 xxxxxxxxxxxxyb) Modelo de 3 factores
p=No. de parámetros βs en el modelo N=No. de observaciones (datos)
Un contraste es una combinación lineal de variables de la forma
∑∑==
==+++=a
1iiaa2211
a
1iii 0cnrestricció,Cyc...ycycyc
Dos contrastes con coeficientes ci y di son ortogonales 0dca
1iii =⇔∑
=
Residuos: e =y y
Anova 3 factores gl(SST)=N–1, gl(SSA)=a–1, gl(SSB)=b–1, gl(SSC)=c–1, gl(SSAB)=(a–1)(b–1), gl(SSAC)=(a–1)(c–1)Residuos: eijkl=yijkl–yijk
yySSCyySSByySSA
NyySST
2c 2k
2b 2j
2a 2i
2a
1i
b
1j
c
1k
n
1l
2ijkl
−=−=−=
−=
∑∑∑
∑∑∑∑= = = =
g ( ) ( )( ), g ( ) ( )( )gl(SSBC)=(b–1)(c–1), gl(SSABC)=(a–1)(b–1)(c–1), gl(SSE) por diferencia
SSCSSByySSBC
SSCSSANy
bnySSACSSBSSA
Ny
cny
SSAB
NabnSSC
NacnSSB
NbcnSSA
2b c 2jk
2a
1i
c
1k
2ik
2a
1i
b
1j
2ij
1k1j1i
−−−=
−−−=−−−=
∑∑
∑∑∑∑
∑∑∑
= == =
===
SSBCSSACSSABSSCSSBSSANy
ny
SSABC
SSCSSBNan
SSBC
2a
1i
b
1j
c
1k
2ijk
1j 1k
−−−−−−−=∑∑∑
∑∑
= = =
= =